一种改善机器人室内导航的系统

在过去的十年左右的时间里，机器人专家开发了越来越复杂的机器人系统，可以帮助人们在家中和其他环境中完成各种任务。但是，为了帮助用户，这些系统应该能够有效地导航和探索周围的环境，而不会与周围的其他物体碰撞。

尽管现在有许多导航系统和技术，但是大多数机器人的移动性仍然相当有限，尤其是在未知和未映射的环境中。现有的大多数导航方法都有两个主要组成部分：一个被设计为构造一个地图，供机器人用作参考(例如，同时定位和制图技术);另一个是为机器人生成无碰撞或最佳路径的地图(例如，概率路线图或快速探索随机树)。

尽管这些方法中的某些方法取得了可喜的结果，但它们往往对机器人传感器拾取的噪声高度敏感。结果，他们经常严重依赖地图，在动态或快速变化的环境中表现不佳。不依赖地图的基于深度学习的导航方法最终可以帮助克服这些系统的局限性。

南京航空航天大学和中国国防科技大学的研究人员最近开发了一种新系统，可以在室内环境中实现更高效的机器人导航。该系统不再依赖于预定义的地图，而是使用一种称为生成模仿学习的训练方法，使机器人能够导航周围的环境并实现其目标。

研究人员在论文中写道：“我们的方法在每个时间步均以对机器人和目标的多视角观察作为输入，以提供一系列动作，将机器人移至目标，而无需在运行时依靠里程表或GPS。” 。

研究人员设计的导航系统具有三个关键组件。第一个是经过人类演示训练的变体生成模块，旨在在机器人开始计划其动作之前预测环境的变化。

第二部分预测静态碰撞，从而提高机器人导航的安全性。最后，目标检查模块使用此信息来设计更有效的导航策略，从而考虑机器人试图达到的最终动作或目标。

研究人员在论文中解释说：“三个提出的设计都有助于提高训练数据的效率，避免静态碰撞以及导航通用化性能，从而产生了一种新型的目标驱动无地图导航系统。”

将来，由南京航空航天大学和国防科学技术大学的研究团队引入的新系统可以用于增强其他设计用于在人的家庭，办公室或其他室内环境中运行的机器人的导航。 。此外，该系统获得的结果可能会激发其他研究人员创建类似的工具，以实现机器人中目标驱动的更有效导航。

到目前为止，导航系统已经通过使用Turtlebot(由Willow Garage的两名工程师创建的低成本机器人平台)在一系列实际实验中进行了评估。这些测试的结果很有希望，因为该系统很容易集成到机器人中，并使其能够更有效地在室内环境中导航。